DW(DataWarehourse) 数据仓库

DW从上到下的分层

DWD DWB DWS

ODS(Operational Data Store) 操作数据存储

DWD(DataWarehourse Detial) 又称ODS

是业务层和数据仓库的隔离层

DWB(DataWarehourse Base) 基础数据层，存储的是客观数据，一般用作中间件，可以认为是大量指标的数据层。

DWS(DataWarehours service) 服务数据层，基于DWB上的基础数据，整合汇总成分析某一个主题域的服务数据，一般是宽表。

三、实践流程及方法

1、数据分析六步曲

明确目的（先决条件；提供方向）

数据收集（数据库；网络等）

数据处理（清洗、转化、提取、计算）

数据分析（统计分析、数据挖掘）

数据展现（图表-表格-文字）

报告撰写（框架清晰、明确结论、提出建议）

2、数据分析通用结构（数据生命周期）

数据源系统-ETL-数据仓库-数据分析-数据展现

3、数据源系统：数据库（DB）、数据库管理系统（DBMS）、数据库应用系统（客户管理信息系统、产品管理信息系统、客户行为信息系统、配送管理信息系统、收入管理系统等）

4、数据仓库

构成：个体层/部门层、原子或数据仓库层/操作层

概念：面向主题的，集成的、相对稳定的，反映历史数据变化的数据集合

5、生命周期

数据仓库建设生命周期

数据生命周期

6、数据可视化

报表，图形化报表，企业报表门户

常见图表类型与作用

图标制作五步法：明确问题—基本框架—确定指标—确定图表类型—突出关键信息

一、数据分析

1、大数据4V理论：Volume-数据规模大（TB到EB，非结构化数据激增）；Variety-数据类型多（非结构化数据如音频、视频、地理位置、文本的处理要求高）；Velocity-数据处理速度快（要求实时）；Value-数据价值高（通过对海量数据深入挖掘可预测未来趋势）

2、应用范围：战略决策、市场营销、生产及财务管理、物流采购等

3、营销价值：预测销售行为、优化营销策略、更完整的消费者行为描述、个性化营销、实现广告的精准投放